Update custom_recognizers.py

presidio_config/custom_recognizers.py

@@ -1,39 +1,47 @@
 from presidio_analyzer import Pattern, PatternRecognizer
 
-# --- DÉTECTEURS BELGES ---
+# --- DÉTECTEURS SPÉCIFIQUES À LA BELGIQUE ---
 
 class BelgianNrnRecognizer(PatternRecognizer):
-    """Détecteur pour le Numéro de Registre National belge."""
+    """Détecteur pour le Numéro de Registre National belge (NRN/NISS)."""
-    PATTERNS = [Pattern(name="NRN", regex=r"\b(?:[0-9]{2}(?:0[1-9]|1[0-2])(?:0[1-9]|[12][0-9]|3[01]))-?\d{3}\.?\d{2}\b", score=1.0)]
+    PATTERNS = [Pattern(name="NRN (format standard)", regex=r"\b(?:[0-9]{2}\.[0-9]{2}\.[0-9]{2}-\d{3}\.\d{2})\b", score=1.0)]
     CONTEXT = ["registre national", "nrn", "niss"]
     SUPPORTED_ENTITY = "BE_NATIONAL_REGISTER_NUMBER"
 
 class BelgianEnterpriseRecognizer(PatternRecognizer):
-    """Détecteur pour le N° d'entreprise belge."""
+    """Détecteur pour le N° d'entreprise belge (BTW/TVA)."""
     PATTERNS = [Pattern(name="BTW/TVA", regex=r"\bBE\s?0\d{3}\.\d{3}\.\d{3}\b", score=0.95)]
     CONTEXT = ["numéro d'entreprise", "btw", "tva"]
     SUPPORTED_ENTITY = "BE_ENTERPRISE_NUMBER"
 
-# --- DÉTECTEURS RGPD GÉNÉRIQUES ---
+# --- AMÉLIORATIONS DES DÉTECTEURS DE BASE ---
 
-class IbanRecognizer(PatternRecognizer):
+class ImprovedIbanRecognizer(PatternRecognizer):
-    """Détecteur pour les IBAN."""
+    """Détecteur amélioré pour les IBAN, pour s'assurer qu'il est bien capturé."""
-    PATTERNS = [Pattern(name="IBAN", regex=r"\b[A-Z]{2}\d{2}\s?(?:\d{4}\s?){4,7}\d{1,4}\b", score=0.95)]
+    PATTERNS = [Pattern(name="IBAN", regex=r"\b[A-Z]{2}\d{2}(?:\s?\d{4}){3,7}(?:\s?\d{1,4})?\b", score=0.95)]
-    CONTEXT = ["iban", "compte", "bancaire"]
+    CONTEXT = ["iban", "compte", "bancaire", "virement"]
     SUPPORTED_ENTITY = "IBAN"
 
-class PhoneRecognizer(PatternRecognizer):
+class ImprovedPhoneRecognizer(PatternRecognizer):
-    """Détecteur pour les numéros de téléphone EU."""
+    """Détecteur amélioré pour les numéros de téléphone (BE/FR/LUX)."""
-    PATTERNS = [Pattern(name="Phone (EU)", regex=r"\b(?:(?:\+|00)(?:32|33|352)|0)\s?[1-9](?:[\s.-]?\d{2}){3,4}\b", score=0.8)]
+    PATTERNS = [Pattern(name="Phone (EU)", regex=r"\b(?:(?:\+|00)(?:32|33|352)|0)\s?[1-9](?:[\s.-]?\d{2}){3,4}\b", score=0.9)]
-    CONTEXT = ["tel", "téléphone", "gsm"]
+    CONTEXT = ["tel", "téléphone", "gsm", "mobile"]
     SUPPORTED_ENTITY = "PHONE_NUMBER"
 
-# ... Ajoutez ici d'autres classes pour les autres regex si nécessaire ...
+# --- NOUVEAUX DÉTECTEURS RGPD ---
 
-# Liste de tous les reconnaisseurs à charger par Presidio
+class FrenchNIRRecognizer(PatternRecognizer):
+    """Détecteur pour le Numéro de Sécurité Sociale Français (NIR)."""
+    PATTERNS = [Pattern(name="NIR", regex=r"\b[12]\s?\d{2}\s?(?:0[1-9]|1[0-2])\s?(?:2[ABab]|[0-9]{2})\s?\d{3}\s?\d{3}\s?\d{2}\b", score=1.0)]
+    CONTEXT = ["sécurité sociale", "nir"]
+    SUPPORTED_ENTITY = "FR_SOCIAL_SECURITY_NUMBER"
+
+# --- LISTE FINALE À CHARGER ---
+# C'est cette liste que le config.yaml va importer.
 custom_recognizers = [
     BelgianNrnRecognizer,
     BelgianEnterpriseRecognizer,
-    IbanRecognizer,
+    ImprovedIbanRecognizer,
-    PhoneRecognizer,
+    ImprovedPhoneRecognizer,
+    FrenchNIRRecognizer,
 ]